人工蜂群优化支持向量机算法在网络安全中的应用

梁海军

Chinese

您当前的位置：

首页 >

文章列表页 >

人工蜂群优化支持向量机算法在网络安全中的应用

更新时间：2026-09-04

- 人工蜂群优化支持向量机算法在网络安全中的应用
- Application of Support Vector Machine Optimized by Artificial Bee Colony Algorithm in Network Security
- 微电子学与计算机 2013年30卷第2期页码：95-98
- 作者机构：
  
  淮海工学院机构信息中心,江苏,连云港,222005
- 作者简介：
- 基金信息：
- DOI：
  中图分类号：
- 纸质出版：2013
- 稿件说明：
移动端阅览
梁海军. 人工蜂群优化支持向量机算法在网络安全中的应用[J]. 微电子学与计算机, 2013, 30(2): 95-98.

LIANG Hai-jun. Application of Support Vector Machine Optimized by Artificial Bee Colony Algorithm in Network Security[J]. 2013, 30(2): 95-98.
梁海军. 人工蜂群优化支持向量机算法在网络安全中的应用[J]. 微电子学与计算机, 2013, 30(2): 95-98. DOI：

LIANG Hai-jun. Application of Support Vector Machine Optimized by Artificial Bee Colony Algorithm in Network Security[J]. 2013, 30(2): 95-98. DOI：

摘要

针对支持向量机(SVM)性能的影响

探讨了人工蜂群算法(ABC)对SVM参数优化方法

建立了SVM参数优化模型

并将其用于网络安全中的网络入侵模型中.采用KDD 1999数据集进行仿真实验

验证了方法的有效性

结果表明

与遗传算法等传统优化算法相比

ABC优化的SVM有效地降低运行时间

可以获得更高的网络入侵检测率.

Abstract

Parameters of support vector machine(SVM) is the key factor that impacts its performance.A parameter optimization method for SVM using artificial bee colony algorithm(ABC) is discussed and a parameter optimization model is established.The proposed algorithms performance is tested by KDD 1999 data.The results show that the proposed algorithm decreased the running time efficiently and improved the accuracy of network intrusion detection.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于全局信息的人工蜂群聚类算法

基于人工蜂群算法的Boost型DC/DC转换器的控制器设计

超低功耗实时时钟电路的设计

面向处理器分支预测单元的Spectre攻击轻量化防御方法

基于MSS-YOLO-MPHands融合架构的装配手部动作识别研究